遺傳算法在計算機智能方面的運用

林涌

【摘 要】21世紀是一個經(jīng)濟、科技和學(xué)種學(xué)科知識相互交融的時代，在如今的工作生活中出現(xiàn)了一種應(yīng)用率極高且較為廣泛的隨機搜素的優(yōu)化方法，那便是在進化理論基礎(chǔ)上發(fā)展起來的遺傳算法。同時在當(dāng)代的時代潮流中，它已經(jīng)成功的引起了社會各界對它的關(guān)注，關(guān)于遺傳算法在未來的發(fā)展，也引起了社會各界人士的注意。本文對遺傳算法的應(yīng)用領(lǐng)域及發(fā)展前景進行了探討。

【關(guān)鍵詞】遺傳算法 計算機智能發(fā)展 未來的運用

關(guān)于遺傳算法所帶來的優(yōu)勢，可謂是有目眾睹，但是，對于遺傳算法的未來，能否與人的行為相比較，仍然是一個值得思考的問題。因為，在一些有關(guān)創(chuàng)新設(shè)計的項目選擇上，它更多的依賴的還是人類的主觀思考，所以，遺傳算法在未來如何能夠?qū)崿F(xiàn)系統(tǒng)運用的最優(yōu)化，且保證其不斷的前進而不是后退，最終能夠?qū)崿F(xiàn)一種智能化評價的愿望，這也便成了大家所研究的重點。

1 遺傳算法的定義

遺傳算法是一種通過模擬自然進化過程搜索最優(yōu)解的方法，它是通過對達爾文生物進化論和遺傳學(xué)機理的生物進化過程所進行的自然選擇所得出的一種計算模型。遺傳算法是從代表問題可能潛在的解集的一個種群開始的，而一個種群則由經(jīng)過基因編碼的一定數(shù)目的個體組成。每個個體實際上是染色體帶有特征的實體。染色體作為遺傳物質(zhì)的主要載體，即多個基因的集合，其內(nèi)部表現(xiàn)（即基因型）是某種基因組合，它決定了個體的形狀的外部表現(xiàn)，如黑頭發(fā)的特征是由染色體中控制這一特征的某種基因組合決定的。這個過程將導(dǎo)致種群像自然進化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個體經(jīng)過解碼，可以作為問題近似最優(yōu)解。

2 關(guān)于遺傳算法的基礎(chǔ)內(nèi)容

2.1遺傳算法的基礎(chǔ)知識

遺傳算法是一種通過模擬生物進化而發(fā)明的智能優(yōu)化算法，它的出現(xiàn)是在六十年代，同時遺傳算法已經(jīng)是進化計算研究的一個重要組成部分了。而關(guān)于遺傳算法的主要操作方法是選擇、交叉、變異這三個主要的遺傳算子，遺傳算法在求解大規(guī)模、高度非線性、不連續(xù)的最優(yōu)化問題上具有顯著的發(fā)展優(yōu)勢。

2.2遺傳算法的優(yōu)勢所在

在過去我們通過工作經(jīng)驗的總結(jié)以后，我們會發(fā)現(xiàn)在與傳統(tǒng)的優(yōu)化方法相比較而言，遺傳算法的優(yōu)勢所在之多，接下來我們就進行一系列的總結(jié)。第一，遺傳算法是不需要目標(biāo)函數(shù)的導(dǎo)數(shù)的，概率的轉(zhuǎn)移準則。第二，遺傳算法是一種收斂性的證明，它是一種新型高效的遺傳算子設(shè)計；并且遺傳算法與局部優(yōu)化算法進行了有機的結(jié)合，且創(chuàng)造出了最大化的效益。第三，遺傳算法的運用現(xiàn)在已經(jīng)擴展到社會各界的應(yīng)用領(lǐng)域中去，其廣泛化有時候真的是令人難以置信的。第四，遺傳算法使得計算機在目前的工作中已經(jīng)愈發(fā)的簡單化、系統(tǒng)化了。

2.3遺傳算法所涉及到的主要應(yīng)用領(lǐng)域

正如前文中我們所說的，遺傳算法的應(yīng)用領(lǐng)域早已擴展到社會各界的工作生活中，那么關(guān)于遺傳算法的主要應(yīng)用領(lǐng)域有以下幾種。第一個，關(guān)于遺傳算法應(yīng)用領(lǐng)域中最為經(jīng)典的代表便是函數(shù)優(yōu)化了。函數(shù)的種類是多種多樣的，比如有凸函數(shù)和凹函數(shù)、確定函數(shù)和隨機函數(shù)、連續(xù)函數(shù)和離散函數(shù)等等。這些多種多樣的函數(shù)來評價遺傳算法的性能，往往更能反映出算法的本質(zhì)結(jié)果與影響，在實踐中證明之后，面對一些非線性、多模型、多目標(biāo)的函數(shù)優(yōu)化問題的時候，倘若不用遺傳算法來進行求解，那么似乎找不到其他更方便和容易的優(yōu)化方法了。第二個，在這個時代里，問題日益增多且難度與日俱增，關(guān)于組合優(yōu)化的搜索空間也在迅速的擴大之中，因此，關(guān)于組合優(yōu)化的問題也就凸現(xiàn)出來了。在面對這一類較為復(fù)雜性的問題時，我們早已將精力放在了滿意的答案上，對于這個過程的發(fā)展似乎也沒有想象中那么在意了，而對于現(xiàn)在人類所出現(xiàn)的這種現(xiàn)象，遺傳算法是滿足人類需求的最好的解決工具途徑之一了。通過日常工作實踐總結(jié)證明，遺傳算法在很多的現(xiàn)實問題方面已經(jīng)有了成功的案例和應(yīng)用心得了。第三個，回歸到我們的日常生產(chǎn)中，在生產(chǎn)調(diào)度的計算問題上，關(guān)于數(shù)據(jù)的計算是很難得到準確的答案，也正因如此，這個問題的出現(xiàn)總會令工作人員頭疼不已，即使大家對這個問題進行一系列的簡化，然后接著再進行計算工作，但是，即使是這樣，計算出來的結(jié)果也往往與實際相差甚遠，從而會影響工作的進度。但是遺傳算法的出現(xiàn)卻為我們帶來了福音，終于可以擺脫計算的魔咒，更重要的是可以得到一個準確的數(shù)據(jù)，并且可以使得我們?nèi)粘５墓ぷ魃a(chǎn)有效率的進行著。第四個，圖像處理是計算機所涉及到的一個重要研究領(lǐng)域。通過日常的工作，我們可以發(fā)現(xiàn)在通過計算機進行圖像處理工作時，比如掃描、特征提取、圖像分割時，總會出現(xiàn)這樣或者那樣的誤差，從而導(dǎo)致圖像效果的不理想化。在關(guān)于如何將它更接近真實化的問題上，我們進行了長期的研究調(diào)查，最終，我們發(fā)現(xiàn)只有遺傳算法能夠圖片處理中所遇到的一些誤差問題進行合理的解決，這也算是為遺傳算法在計算機圖像處理應(yīng)用中找到了自己的用武之地。第五個，人工生命是計算機、機械等人下媒體模擬或者構(gòu)造出的具有自然生物系統(tǒng)特有行為的人造系統(tǒng)。在關(guān)于人工生命的兩個重要特征是自組織能力和自學(xué)習(xí)能力。當(dāng)然，人工生命與遺傳算法也是有著密不可分的關(guān)系的。基于遺傳算法的進化模型是研究人工生命現(xiàn)象的重要基礎(chǔ)理論。遺傳算法與人工生命兩者一路都是結(jié)伴而行且相輔相成的，在未來，這兩者的相輔相成定然可以使雙方走得更遠。第六個，在近幾年的計算機發(fā)展過程中，發(fā)展越來越快的數(shù)據(jù)庫技術(shù)，便是數(shù)據(jù)挖掘的出現(xiàn)，它有能力將知識和規(guī)則從無窮無盡的大型數(shù)據(jù)庫中提取出來，并進行一系列的相關(guān)數(shù)據(jù)計算。在應(yīng)用中，遺傳算法在數(shù)據(jù)庫中搜索，對一些隨機產(chǎn)生的數(shù)據(jù)重新進行了規(guī)則覆蓋。通過結(jié)果表明，遺傳算法也是數(shù)據(jù)挖掘的最有效方法之一。

3 遺傳算法的發(fā)展趨勢

3.1遺傳算法的未來實現(xiàn)方案

在關(guān)于遺傳算法的實現(xiàn)方案中，我們進行了多種的計算以及分析，最終關(guān)于并行遺傳算法的實現(xiàn)方案可以分為三類：第一個，從全局型出發(fā)，系統(tǒng)分為一個主處理器和若干個從處理器。主處理器監(jiān)控 整個染色體種群，并基于全局統(tǒng)計執(zhí)行選擇操作；各個從 處理器接受來自主處理器的個體進行重組交叉和變異，產(chǎn) 生新一代個體，并計算適應(yīng)。第二個，獨立型，粗粒度模型，我們可以將種群分成若干個子群體并且能夠分配給各自對應(yīng)的處理器，同時每個處理器不光光獨立計算適應(yīng)程度，而且獨立進行選擇、重組交叉和變異操作，同時，在日常的工作中還要做到定時定點的相互傳送適應(yīng)程度最后的那個個體，由此來加快滿足中職條件的要求。需要注意的是粗粒度模型也稱為島嶼模型，而在此基礎(chǔ)上的遺傳算法也被稱為分布式的遺傳算法。

3.2關(guān)于遺傳算法的未來

縱觀遺傳算法的發(fā)展歷程，我們可以發(fā)現(xiàn)的是遺傳算法在為人類的生活帶來方便的同時，它也有這樣或者那樣的缺點需要我們進行改進，比如它的編碼存在著不規(guī)范不準確的細節(jié)問題；遺傳算法在計算或運行的過程中，沒有有效的定量分析方法；遺傳算法通常來說效率會比其他的傳統(tǒng)算法的效率低一些；遺傳算法的編碼問題不能全面的將優(yōu)化問題的約束表達出來，因此，在遺傳算法的編碼方面，依舊存在著許多的細節(jié)問題，這些問題的解決也是迫在眉睫的，所以我們在日后的工作中要加強相關(guān)方面的工作提升。

4 結(jié)語

隨著計算機應(yīng)用領(lǐng)域的分蘇發(fā)展，我們不容置疑的是遺傳算法在這一發(fā)展過程中提供了更加有力的手段。在這飛速發(fā)展的過程中，在國民生產(chǎn)、科學(xué)技術(shù)研究方面得到了較為廣泛的應(yīng)用。這個科學(xué)技術(shù)發(fā)展的時代中，現(xiàn)代科技對于隨機性問題，想要對其進行合理的解決更加困難不已，但是在遺傳算法的出現(xiàn)時，這一切都有了希望。通過我們對遺傳算法在社會各界的應(yīng)用領(lǐng)域進行了總結(jié)，但是我們依舊希望在未來，我們對其相關(guān)研究領(lǐng)域的進一步分析與工作起到一定的推動作用。

參考文獻：

[1]吳大宏，趙人達.基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)研究初探[J].四川建筑科學(xué)研究，2002年03期.

[2]張安勤.數(shù)據(jù)挖掘與進化算法[J].安徽教育學(xué)院學(xué)報，2002年03期.

[3]孟紅云，劉三陽.求解多目標(biāo)優(yōu)化問題的多智能體遺傳算法[J].西北大學(xué)學(xué)報（自然科學(xué)版），2005年01期.

[4]李俊峰，戴文戰(zhàn).基于遺傳算法和灰色關(guān)聯(lián)度的多目標(biāo)問題求解方法研究[A].第25屆中國控制會議論文集（上冊）[C].2006年.

[5]蒙祖強，蔡自興.一種新的基于遺傳算法的數(shù)據(jù)分類方法[J].小型微型計算機系統(tǒng)，2004年04期.